PixelRAG plantea un enfoque sorprendentemente sencillo sobre web scraping que está a punto de cambiar por completo y es que en lugar de interpretar una página web como HTML, la trata como una imagen. Nada de extraer texto, trocearlo en fragmentos y generar embeddings. Lo que hace es capturar screenshots de la página, indexarlos y … Leer más
Cloudflare acaba de lanzar una API para rastrear webs enteras. Y la verdad es que tiene muy buena pinta para tareas de scraping. Entre lo que ofrece: ✓ Devuelve el contenido en HTML, Markdown o JSON ✓ Es capaz de renderizar JavaScript de la página ✓ Incluye soporte de inteligencia artificial para extraer datos de … Leer más
El web scraping tal y como lo conocemos está a punto de cambiar (Búsqueda visual a escala, completamente de código abierto) PixelRAG es un sistema de recuperación de información que prescinde por completo del análisis del HTML. En lugar de convertir una página en texto y fragmentarla en chunks, captura una pantalla de esa página … Leer más